本书是数据标注领域领先的实训讲义。本书着重对常见的文本、语音和图像标注任务类型进行介绍，帮助从事标注工作的学习者快速地完成系统化学习，进行标注实战。 本书对文本、语音及图像标注的多种任务类型逐一进行讲解和分析，每种标注类型均配有对应的规范、举例分析、习题及解析。同时，本书还针对各类标注配套多种子任务类型或多个领域的实操练习题，以帮助本书学习者增长见识，实现系统的、完整的学习，培养实战能力。

本书为高等职业教育计算机类新形态——工作手册式教材，内容包括基础环境的搭建与配置，Hadoop完全分布式集群的搭建与运行，Hadoop 核心组件的应用案例，Hive 组件的安装、配置与应用，ZooKeeper的安装、配置与应用，HBase 的安装、配置与应用，Sqoop 组件的安装、配置与应用，Flume 组件的安装、配置与应用，Kafka 的安装、配置与应用，Spark 的安装、配置与应用，广电大数据用户画像。本书采用项目式设计，以项目学习目标、任务描述、任务分析和任务实施作为立体化工作指南。

本书以数据智能和数据思维为核心，围绕数据的全生命周期管理概念，详细介绍了基于Excel的数据处理、数据分析与可视化方法与实践，以及数据管理和数据库实践。 全书分为理论和实验两部分，内容由浅入深，语言通俗易懂，案例贴近学生生活和学习真实场景，既体现了数据科学的技术热点，又兼顾了案例的生动性和趣味性，适合全国高等学校各专业作为新文科建设背景下的数据科学通识课教材使用，也可作为大数据、智能数据处理相关专业的专业教材或参考教材。

本书采用案例式编写模式，包括7个单元，其中，单元1介绍数据分析的基本概念、流程和常用工具包，单元2介绍数据标注的分类、基本流程及工具的使用，单元3介绍ndarray数组及Python科学计算库NumPy，单元4介绍数据分析处理库pandas，单元5介绍数据可视化工具包Matplotlib和seaborn，单元6介绍分类和回归模型及评价指标，单元7通过两个综合案例讲解数据分析的具体处理过程。

本书共有九章，从数据采集与预处理概述开始，介绍了大数据环境的搭建，并对数据采集与数据预处理的技术方法进行了系统介绍。数据采集的内容包括Flume日志数据采集、Kafka日志数据采集、Fluentd与Logstach等一系列数据采集技术；数据预处理的内容包括网络爬虫采集Web数据、Python数据预处理技术、Kettle数据处理技术、Pig和OpenRefine这些数据预处理技术。旨在让读者了解并基本掌握当下主要的数据采集与预处理技术、工具，以及它们的使用方法。

《大数据应用基础教程》旨在培养大学低年级本科生的大数据应用能力，使其初步建立数据思维，以满足“新 工科”“新医科”“新农科”“新文科”建设背景下高校培养学生数据素养能力的新要求。
全书共 3 篇。基础篇（第 1、2 章）主要内容为大数据概述、Python 及常用类库；数据分析篇（第
3 ～ 7 章）重点阐述数据获取、存储、预处理、可视化和分析方法；大数据平台篇（第 8 ～ 11 章） 着重介绍 Linux 操作系统基础、大数据管理平台、分布式存储和分布式处理。全书提供了大量 应用实例

本书由校企“双元”合作开发，以企业真实项目的实施流程为主线，通过“电商平台用户行为数据分析”项目实战，贯穿Hadoop大数据核心技术，包括项目需求、大数据平台部署、数据采集、离线数据仓库设计与开发和项目数据可视化展示。本书内容主要涉及VMware、Xshell、IDEA等软件的安装配置；Hadoop分布式集群环境搭建； Flume、Kafka、Hive、Sqoop、ZooKeeper等Hadoop生态组件的基本工作原理、搭建及配置方法；使用Flume-Kafka-Flume架构实现数据采集；Hi

本书以Hadoop 3.3.0为核心，涵盖Hadoop生态系统的常用组件，主要介绍各组件的架构原理、Shell命令、常用API及编程等，并配有较多例题。全书共7章，内容包含Hadoop概述、Hadoop伪分布式安装、Hadoop分布式文件系统HDFS、分布式计算框架MapReduce、分布式数据库HBase、数据仓库Hive和内存计算框架Spark，第2~7章还设计了相关实验。
本书可以作为高等院校大数据、计算机、应用统计等相关专业的教材，也可作为Hadoop爱好者的入门教程或自学参考用书

实体识别在数据质量管理中起着重要作用，它是数据质量管理的重要研究方向。实体识别的目的是识别出数据集中描述同一真实世界实体的元组。实体识别的结果可以在数据质量管理的其他阶段(如数据清洗阶段和数据质量评估阶段)得到广泛应用。在一个或多个数据库中，同一个现实世界实体可能具有多种描述方式，这一问题在各种应用领域的信息系统中普遍存在。本书以信息集成和互联网搜索为背景，介绍对数据质量管理中实体识别的关键技术的最新研究成果，以最大化实体识别结果精确度、最小化时间复杂性为目标，研究基于图模型的实体识别、基

本书共4个项目15个任务，项目由易到难、从单一到综合，各个项目间既有机联系又相互独立，授课教师可以根据所教学生的学情分析结果选择某一个项目单独教学并进行任务实施。4个项目分别是：安装环境准备、Hadoop集群完全分布式部署、Hadoop生态系统常用组件部署、Hadoop HA集群部署。每个项目的任务都包含了任务目标、知识准备、任务实施三个部分。
本书对于在实际学习过程中学生需要重点掌握的知识点和技能点都用较多篇幅进行了讲解，以加强学生对基础知识的理解，知其然并知其所以然，从而使学生在任